深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1501	2025-05-28	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	research paper	本研究利用深度学习框架AIGO-DTI预测茵陈蒿汤主要成分对TLR4的靶向概率，并验证了异莨菪亭通过TLR4影响树突状细胞成熟的潜在治疗作用	提出AIGO-DTI深度学习框架，在预测YCHD成分与TLR4相互作用方面优于其他机器学习模型，并发现异莨菪亭的治疗潜力	研究主要基于计算预测和体外实验，需要进一步的体内实验验证	探索茵陈蒿汤中针对TLR4的有效成分及其治疗肝病的机制	茵陈蒿汤的主要成分及其与TLR4的相互作用	machine learning	hepatitis	deep learning	AIGO-DTI, RF, SVM, KNN, XGBoost, GCN, GAT	chemical compounds data	NA
1502	2025-05-28	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	research paper	提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于预测药物-药物相互作用	首次结合原子视图和子结构视图特征，并设计了一个可解释的交互模块，提高了预测的准确性和可解释性	仅验证了BIOSNAP和DrugBank数据集，在其他数据集上的泛化能力尚未验证	提高药物-药物相互作用预测的准确性和可解释性	药物分子	machine learning	NA	Message Passing Neural Network (MPNN), transformer encoders	MPNN, transformer	molecular graphs, drug SMILES	BIOSNAP数据集和DrugBank数据集
1503	2025-05-28	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	本文提出了一种通过手术刀运动分析评估开放手术中切割技能的方法	设计了3D多面ArUco代码立方体，并使用YOLOv8模型识别手术刀类型和选择其尖端位置，提出了五个评估指标来量化外科医生的切割技能	实验样本量较小，仅涉及20名专家和新手外科医生	评估开放手术中外科医生的切割技能	外科医生的切割技能	计算机视觉	NA	运动分析、YOLOv8模型	YOLOv8	图像、3D坐标数据	20名专家和新手外科医生
1504	2025-05-28	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了声学液滴汽化（ADV）在生物医学超声中的应用，通过定量超声和迁移学习技术对纤维蛋白基组织模拟水凝胶中的相变纳米液滴的声学和成像特性进行了研究	结合迁移学习和卷积神经网络（AlexNet）开发了两个专门用于区分纤维蛋白水凝胶的模型，为生物医学诊断提供了新的潜在方法	研究仅限于纤维蛋白基组织模拟水凝胶，未涉及真实生物组织的复杂性	探索声学液滴汽化技术在组织表征中的应用，并提高其诊断潜力	纤维蛋白基组织模拟水凝胶中的相变纳米液滴	生物医学超声	NA	被动空化检测、B型超声、对比增强超声	CNN（AlexNet）	超声图像	NA
1505	2025-05-28	Marker Data Enhancement for Markerless Motion Capture 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3530848 PMID:40031222	研究论文	本文提出了一种更准确和泛化能力更强的标记增强器，用于将稀疏视频关键点转换为密集解剖标记，以提高无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、泛化能力更强的标记增强器	在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和泛化能力	人类运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频	1176名受试者的标记运动捕捉数据和1433小时的合成视频关键点与解剖标记数据
1506	2025-05-28	Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00695-6 PMID:40088336	研究论文	提出了一种名为DconnC的新方法，通过融合细胞和药物分子结构来预测协同药物组合	DconnC利用细胞特征作为节点建立药物分子结构间的连接，并通过自增强对比学习和Bi-RNN、LSTM模型优化特征，提高了预测准确性	NA	开发可靠有效的计算方法来预测协同药物组合	药物组合	机器学习	癌症	深度学习	Bi-RNN, LSTM	分子结构数据	NA
1507	2025-05-28	CR-deal: Explainable Neural Network for circRNA-RBP Binding Site Recognition and Interpretation 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00694-7 PMID:40146403	research paper	本文提出了一种名为CR-deal的可解释神经网络模型，用于识别和解释circRNA与RNA结合蛋白（RBP）的结合位点	CR-deal利用图注意力网络将序列和结构特征统一到同一视图中，更有效地利用结构特征提高预测准确性，并通过集成梯度特征解释推断结合位点的功能结构区域	现有方法在准确性和可解释性方面仍有改进空间	预测circRNA与RBP的结合位点并解释其功能结构区域	circRNA和RNA结合蛋白（RBP）	natural language processing	NA	cross-linking immunoprecipitation sequencing technology	graph attention network	genome-wide circRNA data	37个circRNA数据集和7个lncRNA数据集
1508	2025-05-28	Diagnostic accuracy of machine learning algorithms in electrocardiogram-based sleep apnea detection: A systematic review and meta-analysis 2025-Jun, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102097 PMID:40349509	meta-analysis	该研究通过系统综述和荟萃分析评估了机器学习和深度学习算法在基于单导联心电图检测睡眠呼吸暂停中的诊断准确性	首次对机器学习和深度学习算法在睡眠呼吸暂停检测中的诊断准确性进行了全面的荟萃分析	算法效果存在差异且存在方法学偏倚	评估机器学习和深度学习算法在睡眠呼吸暂停检测中的诊断准确性	单导联心电图数据	machine learning	sleep apnea	machine learning, deep learning	ML/DL	ECG信号	84项研究
1509	2025-05-28	NRGCNMDA: Microbe-Drug Association Prediction Based on Residual Graph Convolutional Networks and Conditional Random Fields 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00678-z PMID:39775537	research paper	提出了一种基于残差图卷积网络和条件随机场的微生物-药物关联预测计算模型NRGCNMDA	结合了残差图卷积网络和条件随机场来学习高阶相似性特征，并确保微生物和药物具有相似的特征嵌入	NA	预测微生物与药物之间的关联，以加速新药发现过程	微生物和药物	machine learning	NA	Node2vec, 图卷积网络(GCN), 条件随机场(CRF)	REGCN (残差图卷积网络), CRF	网络数据	NA
1510	2025-05-28	An adaptive frequency partitioning framework for epileptic seizure detection using TransseizNet 2025-May-27, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2507323 PMID:40421487	research paper	提出了一种名为TransseizNet的新型框架，用于从脑电图信号中检测癫痫发作	结合了经验可调Q小波变换和基于图的视觉Transformer，提高了时间-频率分辨率和空间-时间特征表示	未提及具体的数据集规模限制或模型泛化能力	提高癫痫发作检测的准确性和计算效率	脑电图信号	数字病理学	癫痫	经验可调Q小波变换（Empirical Tunable Q-Wavelet Transform）	Wavelet-Graph Convolutional Network Vision Transformer	脑电图信号	三个数据集
1511	2025-05-28	Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research 2025-May-27, The Laryngoscope DOI:10.1002/lary.32292 PMID:40421828	研究论文	开发并验证了一种用于鼻旁窦CT扫描的自动分割开源算法，为耳鼻喉科研究社区提供支持	提供了首个针对鼻窦腔的开源分割算法，促进了临床驱动的AI医学研究	样本量相对较小（100例扫描），且仅针对鼻旁窦CT扫描	验证并提供一个开源的分割算法，用于鼻旁窦CT扫描的自动分割	鼻旁窦CT扫描	数字病理	鼻窦疾病	CT扫描	UNet++	医学影像	100例鼻旁窦CT扫描（80/20训练/测试分割）
1512	2025-05-28	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-May-27, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	利用深度学习对短暂发作间期颅内记录进行分析，以准确识别癫痫发作起始区	首次证明深度学习可以在短暂发作间期颅内数据上准确分类全脑范围内的癫痫发作起始区，并可能帮助发现新的发作间期形态学特征	研究样本量相对较小（78名患者），且模型性能在不同患者群体中存在差异	改善药物难治性癫痫患者的术前评估，减少对记录癫痫发作的依赖	癫痫患者的发作间期立体定向脑电图数据	数字病理学	癫痫	立体定向脑电图（sEEG）	一维卷积神经网络（1D-CNN）	脑电图信号	78名患者的超过1,000,000段发作间期脑电图数据
1513	2025-05-28	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-May-27, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	research paper	提出了一种名为ToPoMesh的端到端3D网格重建深度学习框架，用于直接从CT体积数据重建高保真表面网格	引入了三个核心创新：1) 通过图卷积网络中的残差连接和自注意力机制保留和增强局部特征信息；2) 自适应变密度网格解池策略，动态优化顶点分布；3) 拓扑修改模块，通过可变正则项迭代修剪错误表面和边界平滑	未提及具体局限性	克服传统CT方法在3D重建中的分辨率限制和耗时后处理流程的问题	CT体积数据	computer vision	NA	深度学习	graph convolutional networks	3D volumetric data	LiTS, MSD胰腺肿瘤, MSD海马体, MSD脾脏数据集
1514	2025-05-28	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-May-26, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	research paper	开发并评估了ECG-SMART-NET，一种用于精确诊断闭塞性心肌梗死（OMI）的深度学习架构	提出了一种临床信息修改的ResNet-18架构，能够更好地捕捉ECG记录中的时间特征和空间一致性或不一致性	研究仅基于一个多中心真实世界临床数据集，可能无法涵盖所有OMI病例的多样性	提高通过12导联心电图（ECG）对闭塞性心肌梗死（OMI）的检测准确性	闭塞性心肌梗死（OMI）患者的心电图数据	digital pathology	cardiovascular disease	deep learning	CNN (ResNet-18 modified)	ECG recordings	10,393 ECGs from 7,397 unique patients
1515	2025-05-28	Segmentation of the Left Ventricle and Its Pathologies for Acute Myocardial Infarction After Reperfusion in LGE-CMR Images 2025-May-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3573706 PMID:40418612	research paper	该论文提出了一个深度学习模型LVPSegNet，用于在LGE-CMR图像中分割左心室及其病理组织（微血管阻塞和心肌梗死），并发布了包含140名患者的基准数据集LGE-LVP	首次发布LGE-CMR基准数据集LGE-LVP，并提出了一种结合自适应感兴趣区域提取、样本增强、课程学习和多感受野融合的渐进式深度学习模型LVPSegNet	数据集的样本量相对较小（140名患者），且未提及模型在其他类型心脏疾病上的泛化能力	开发一种自动化方法，用于在LGE-CMR图像中准确分割左心室及其病理组织，以辅助急性心肌梗死再灌注后的诊断和治疗	左心室及其病理组织（微血管阻塞和心肌梗死）	digital pathology	cardiovascular disease	LGE-CMR（晚期钆增强心脏磁共振成像）	LVPSegNet（基于深度学习的渐进式分割模型）	image	140名左心室心肌梗死伴微血管阻塞患者
1516	2025-05-28	A New Approach for Calculating Texture Coefficients of Different Rocks With Image Segmentation and Image Processing Techniques 2025-May-26, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24879 PMID:40418716	研究论文	提出了一种结合图像分割和图像处理技术的新方法，用于计算不同岩石的纹理系数	开发了一种基于深度学习的图像处理技术和Python算法，用于快速准确地计算岩石纹理系数	仅针对20种不同类型的岩石进行了测试，样本量相对较小	改进岩石纹理系数的计算方法，提高准确性和效率	火成岩、变质岩和沉积岩的薄片图像	计算机视觉	NA	图像分割和图像处理技术	深度学习	图像	20种不同类型的岩石薄片图像
1517	2025-05-28	Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer 2025-May-26, The British journal of radiology DOI:10.1093/bjr/tqaf108 PMID:40419459	研究论文	本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能	开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性	在非对比增强CT上对颌下腺的分割性能显著下降	评估深度学习分割软件在不同CT图像类型上的性能差异	头颈部癌症患者的CT图像	数字病理	头颈部癌症	CT扫描	深度学习模型（Ai-Seg）	医学影像	321名患者用于训练，25名患者用于测试
1518	2025-05-28	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-May-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	research paper	本研究开发了一种结合临床和影像组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤(PPGLs)的手术难度，旨在优化术前规划和减少围手术期并发症	首次将临床参数与影像组学特征结合构建机器学习模型预测PPGLs手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要通过多中心研究完善手术难度标准并开发实时术中预测工具	优化PPGLs患者的术前规划和减少围手术期并发症	嗜铬细胞瘤和副神经节瘤(PPGLs)患者	digital pathology	pheochromocytomas and paragangliomas	radiomics, machine learning	SVM	clinical parameters and radiomic features	NA
1519	2025-05-28	Design optimization of university ideological and political education system based on deep learning 2025-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02991-z PMID:40413276	研究论文	本研究利用深度学习技术优化大学思想政治教育的系统设计，以提高教育效果和学生参与度	采用CNN-LSTM混合模型结合CNN的特征提取能力和LSTM处理序列数据的能力，实现个性化学习路径和资源推荐	未具体说明样本规模和数据来源的多样性，可能影响模型的泛化能力	提升大学思想政治教育的针对性和有效性	大学生思想政治教育系统	教育技术	NA	深度学习	CNN-LSTM混合模型	多通道教育相关数据	未明确说明
1520	2025-05-28	Single-shot reconstruction of three-dimensional morphology of biological cells in digital holographic microscopy using a physics-driven neural network 2025-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60200-x PMID:40413181	研究论文	本文提出了一种名为MorpHoloNet的深度学习模型，用于从单次全息图中重建生物细胞的三维形态	通过结合物理驱动和基于坐标的神经网络，MorpHoloNet能够直接从单次全息图中重建三维复杂光场和三维形态，无需多次相移全息图或角度扫描	NA	开发一种能够从单次全息图中重建生物细胞三维形态的深度学习模型	生物细胞	计算机视觉	NA	数字同轴全息显微镜（DIHM）	物理驱动神经网络和基于坐标的神经网络	全息图像	NA